Amazon Bedrock AgentCore harness 新增 Strands harness 默认配置、内置工具和生命周期钩子
构建 AI agent 时,选择模型只是第一步。agent 还需要工具、完成任务所需的指令、在长会话中管理上下文增长的方法,以及在执行任何有后果的操作(例如发起退款)之前的护栏。
我们正在升级 Amazon Bedrock AgentCore harness,改用 Strands harness——这是我们今年早些时候发布的开源 agent harness,基于 Apache 2.0 许可证提供。AgentCore harness 还引入了生命周期钩子,让你可以在 agent 循环中定义的节点上应用自己的确定性检查和通知。
通过本次升级,依赖托管默认配置的 agent 将获得推荐的模型、面向任务的系统提示词、自动提示词缓存(初期面向 Amazon Bedrock 上的 Anthropic 模型)以及主动式上下文管理。它们还会获得额外的内置工具,用于规划、Web 检索、文件系统访问、上下文卸载和任务委派。这使 agent 在长任务中具备更强的能力,能够跟踪子任务、减少上下文窗口占用并委派工作。借助钩子,你可以在特定的生命周期检查点运行确定性代码,从而将非确定性的 AI 行为转化为可预测、安全且受治理的工作流。
无需采用新的资源类型或集成。你当前使用的 AgentCore harness 会自动获得这两项更新。
AWS 上的 Strands 能力
Strands harness 提供了一套组装好的 agent 基础,包含推荐的指令、工具和上下文管理。Amazon Bedrock AgentCore harness 将这套基础作为托管 AWS 服务来运行。最终得到一个生产级的默认 agent,你无需自行组装和运维 harness 或其基础设施。
你无需预置计算资源、打包和托管 agent 循环、管理会话扩缩容,也无需运维工具执行基础设施。每个会话都在 AgentCore runtime 中安全、内核隔离的 microVM 中运行,该 runtime 是 Amazon Bedrock AgentCore 的一项能力,提供托管计算、扩缩容和高可用性。
AgentCore 的实现方式是将 harness 与生产级 agent 所需的服务连接起来,包括会话持久化、流式响应、用量元数据、可观测性、AgentCore memory、Identity、Gateway、Browser、Code Interpreter 以及客户提供的容器。你仍然掌控模型、指令、工具、权限和生命周期策略,而 AgentCore 负责管理底层执行环境。
能力更强的托管 harness
使用托管默认配置时,harness 现在能提供更好的体验:
- 当前推荐的模型。当你省略模型时,Harness 会使用推荐的默认模型,该模型随新模型发布而演进,始终让你的 harness 保持最新。显式的 harness 级和每次调用的模型配置仍然优先。
- 面向任务的指令。托管系统提示词鼓励 agent 收集相关上下文、使用合适的工具、持续进行直到任务解决、适应失败或被拒绝的操作,并在报告完成之前验证其工作。默认系统提示词会持续改进,以支持最新的 harness 行为。
- 自动提示词缓存。对于在 Amazon Bedrock 上使用 Converse 的受支持模型,Harness 会缓存系统提示词、工具定义和对话历史。使用相同提示词和工具面的重复调用可以使用价格更低的缓存读取 token,从而降低输入处理延迟和成本。
- 主动式上下文管理。默认情况下,当上下文窗口达到可配置的阈值后,Harness 会总结较早的对话轮次,同时保留近期上下文。以这种方式保持上下文精简,有助于 Harness 以比其他领先 harness 低约 34% 的 token 成本运行。
- 上下文卸载。大型工具结果可以移出模型的即时上下文。agent 会收到一个预览,并可在需要时获取完整结果,从而减少重复的上下文占用,同时不丢失对数据的访问能力。
- 跨调用规划。todo_write 工具维护一个结构化的任务计划,该计划可在同一会话中后续的调用中恢复,包括在对话摘要之后。
- 聚焦式委派。subagent 工具将一项自包含任务委派给一个新的 worker,并把结果返回给父 agent。该 worker 是调用内部的,而非单独管理的 harness 资源,并共享调用限制和你的工具调用生命周期钩子。
- Web 检索。web_fetch 工具从指定网页获取内容,为你的 harness 提供最新的外部上下文。
- 细粒度文件系统访问。通过独立的 read、write 和 edit 工具,你可以只授予 agent 所需的细粒度文件系统能力。
客户提供的 Model Context Protocol (MCP) 服务器、AgentCore Gateway(Amazon Bedrock AgentCore 的一项能力)、Browser、Code Interpreter、内联函数、skills、memory 以及客户提供的容器,继续通过现有的 harness 接口工作。
默认推荐,按需配置
Harness 会管理其默认值,使使用这些默认值的 agent 在模型、指令、上下文管理和内置能力不断改进时,获得当前 AgentCore 推荐的体验。
显式配置始终优先:
- 配置模型 ID,以继续使用特定模型。
- 配置 systemPrompt,以完全替换受管理的系统提示词。
- 配置 truncation,以保留特定的上下文管理策略。
- 列出单独的 allowedTools 选择器,以维持固定的工具集合。
当 allowedTools 被省略或设置为 ["*"] 时,Harness 会提供当前推荐的内置工具集。由于该集合可能随时间增加能力,具有固定安全或能力边界的应用应只列出它们需要的工具。
例如,以下配置允许只读文件系统访问和 Web 检索,而不授予 shell 访问或文件修改权限:
{
"allowedTools": [
"read",
"web_fetch"
]
}
用生命周期钩子管控关键操作
借助生命周期钩子,你可以在 agent 循环的既定节点运行自己的确定性代码。例如,AWS Lambda 函数可以允许或拒绝某个请求或工具调用,Amazon Simple Notification Service (Amazon SNS) 主题或 Amazon EventBridge 事件总线可以接收通知,以记录活动或启动异步工作流。
Harness 支持四种生命周期事件:
| 事件 | 运行时机 | Lambda 拒绝的影响 |
|---|---|---|
| before_invocation | 在 agent 处理请求之前 | 以 hook_stopped 停止调用 |
| before_tool_call | 在模型提出工具调用之后、执行之前 | 跳过该工具调用。agent 循环继续 |
| after_tool_call | 在工具结果产生之后 | 保留结果,并在进一步推理之前停止 |
| after_invocation | 在调用完成之后 | 报告该决定。已流式输出的内容无法撤回 |
只有 Lambda 钩子可以改变 agent 循环。它们同步运行并返回 allow 或 deny,可附带可选的原因。SNS 和 Amazon EventBridge 钩子是通知,不会阻塞 agent 循环。
例如,客服 agent 可以自行调查一笔订单,同时 before_tool_call 钩子在退款工具运行之前,按照审批限额检查每一笔退款。以下配置把该 Lambda 函数挂接到 harness 上:
文章标题:Amazon Bedrock AgentCore harness 新增 Strands harness 默认配置、内置工具和生命周期钩子
正文:
[
{
"beforeToolCall": {
"name": "refund_policy",
"target": {
"lambda": {
"arn": "arn:aws:lambda:us-west-2:123456789012:function:refund-policy",
"timeoutSeconds": 10,
"failureMode": "deny"
}
}
}
}
]
该函数在 hook 负载中接收拟议的工具调用,并返回一个决定:
def lambda_handler(event, _context):
tool = event["context"]
if tool["toolName"] == "issue_refund" and tool["toolInput"]["amount"] > 500:
return {"decision": "deny", "reason": "Refund exceeds the $500 auto-approval limit."}
return {"decision": "allow"}
当函数拒绝该调用时,harness 会跳过退款,agent 继续运行,因此它可以告知客户该请求已被升级处理。每个决定也会作为 hookEvent 出现在 InvokeHarness 响应流中:
{
"hookEvent": {
"name": "refund_policy",
"type": "before_tool_call",
"decision": "deny",
"reason": "Refund exceeds the $500 auto-approval limit."
}
}
钩子同样适用于子 agent。当 agent 委派任务时,子 agent 发起的每一次工具调用都会经过相同的 beforeToolCall 和 afterToolCall 钩子,因此委派无法绕过你的退款策略。调用级别的钩子(beforeInvocation、afterInvocation)对整个调用只运行一次。
你可以使用 CreateHarness 或 UpdateHarness 配置钩子。如果某个 Lambda 函数超时或返回错误,钩子会应用其 failureMode,默认为 deny。关于超时、负载字段和上下文限制,请参阅《Amazon Bedrock AgentCore Developer Guide》中的 Lifecycle hooks。
要了解每种事件和目标类型如何协同工作,请试用 GitHub 上 Amazon Bedrock AgentCore 示例仓库中的 Refund Desk 示例。一个六步引导演示展示了全部四种生命周期事件以及 AWS Lambda、Amazon SNS 和 Amazon EventBridge 目标。它还展示了对客户端提供的内联函数结果的校验,以及 failureMode 的 deny 与 allow 之间的区别。
使用 AgentCore CLI 运行多 agent 研究协调器
创建 harness 只需一条命令。你为其命名,并设置所需的指令、上下文策略和限制。此示例创建了一个 Research Coordinator:一个具有面向任务系统提示和基于摘要的截断的 harness。在一次调用中,它将 researcher、synthesizer 和 reviewer 作为子 agent 运行,并返回一份整合报告。你无需预置基础设施或自行编写委派逻辑,即可获得多 agent 编排和上下文管理能力。
agentcore harness 命令直接调用 harness API,因此你不需要 CLI 项目或部署步骤。使用 npm 安装 AgentCore CLI(Amazon Bedrock AgentCore 的一项能力):
npm install -g @aws/agentcore
CLI 使用你的默认 AWS 凭证。它没有 --profile 标志,因此如果你想要特定的配置文件,请设置 AWS_PROFILE 环境变量。将示例中协调器的指令保存为工作目录中的 system_prompt.md。
创建 harness
此命令传入协调器的系统提示、一个在对话增长时保持最近 30 条消息完整的摘要策略,以及足够整个工作流使用的高限制。由于省略了 model、memory 和执行角色,harness 将使用当前 AgentCore 推荐的模型和托管内存,CLI 会为你创建一个 IAM 执行角色。
HARNESS_ID=$(agentcore harness create --region us-west-2 --json \
--name ResearchCoordinator \
--system-prompt "$(cat system_prompt.md)" \
--truncation '{"strategy":"summarization","config":{"summarization":{"summaryRatio":0.3,"preserveRecentMessages":30}}}' \
--max-iterations 100 \
--timeout-seconds 3600 \
| jq -r '.harness.harnessId')
Amazon Bedrock AgentCore harness 新增 Strands harness 默认配置、内置工具和生命周期钩子
创建是异步的。等待创建完成。最后一条命令应输出 READY:
while [ "$(agentcore harness get --region us-west-2 --id "$HARNESS_ID" --json | jq -r '.harness.status')" = CREATING ]; do sleep 10; done
agentcore harness get --region us-west-2 --id "$HARNESS_ID" --json | jq -r '.harness.status'
发送提示词
使用新的会话 ID 调用你的 harness。先从一个基础问题开始。协调器会直接回答,不会调用其子代理:
SESSION_ID=$(uuidgen)
agentcore harness invoke --region us-west-2 \
--id "$HARNESS_ID" \
--session-id "$SESSION_ID" \
--prompt "What is the current trending topic in AI?"
然后在同一会话中要求生成一份完整的研究报告。协调器会规划工作,并按顺序委派给 researcher、synthesizer 和 reviewer。如果 reviewer 提出要求,它最多运行一轮修订,然后交付最终报告。复用会话 ID 会在同一环境中继续对话。
agentcore harness invoke --region us-west-2 \
--id "$HARNESS_ID" \
--session-id "$SESSION_ID" \
--prompt "Perform a full research report on how data shapes innovations in the tech industry. Use specialized subagents to complete this task. In the final output, clearly state which part each subagent was responsible for, followed by their specific findings."
使用 --prompt 时,CLI 会在本轮结束时以 JSON 形式打印完整的对话记录。研究运行大约需要 10 到 15 分钟。若想在工作过程中实时跟进,请省略 --prompt,CLI 会打开交互式聊天。
Python(boto3)中的同一示例(包括完整的系统提示词)可在 GitHub 上的 AgentCore 示例仓库中获取。
清理
完成后删除 harness。除非传入 --delete-managed-memory false,否则这也会删除其托管内存。CLI 创建的执行角色会保留在你的账户中,如果你不再需要它,请在 IAM 控制台中将其删除。
agentcore harness delete --region us-west-2 --id "$HARNESS_ID"
推出与兼容性
11 月 11 日,AgentCore harness 开始向新的和现有的 harness 推出由 Strands harness 支持的体验。客户无需采取任何操作。
你显式提供的配置保持不变。省略模型、系统提示词或截断配置,或使用 allowedTools: ["*"] 的 harness 会获得升级后的托管默认值。
如果你的应用需要固定行为或固定能力边界,请显式配置这些设置。
了解更多
像现在一样创建和调用 AgentCore harness。使用托管默认值以获得完整的当前推荐体验,或在你的应用需要固定行为时配置各项设置。
- Strands harness 公告。
- AgentCore harness 入门。
- 托管系统提示词。
- AgentCore harness API 参考。
- 生命周期钩子。
- Refund Desk 生命周期钩子代码示例。
我们期待看到你使用升级后的 AgentCore harness 构建出什么。